mgechev/skills-best-practices

何を解決するか

このプロジェクトは、AIエージェントが過剰なトークンを消費したり、ステップを誤って生成したりすることなく、複雑で決定論的なタスクを実行できるようにするための「エージェントスキル」を構築するためのプロフェッショナルレベルのベストプラクティスのセットを提供します。

仕組み

標準化されたディレクトリ構造とスキルの設計パターンを定義し、"プログレッシブディスクロージャー" を通じてLLMのコンテキストウィンドウの負荷を軽減することに注力しています。

• 構造: スキルは SKILL.md（脳）、決定論的なコード用の scripts/ フォルダ、補足コンテキスト用の references/、テンプレート用の assets/ から構成されます。
• 発見性: YAMLフロントマター（名前と説明）を最適化して、エージェントが正しいスキルを正確にトリガーできるようにします。
• 指示スタイル: 説明文ではなく、三人称の命令形とステップバイステップの番号付けを推奨し、エージェントが厳密な順序で実行することを保証します。
• 決定論的オフロード: 脆弱性があるか繰り返しのタスクは、LLMのプロンプトから検証済みのスクリプト（Python、Bash、Node）に移動してエラーを防ぎます。
• 検証: デプロイ前に発見性、論理、エッジケースをLLMを使って検証するためのフレームワークを提供します。

対象読者

AIエージェントやツール使用機能を開発し、機能の定義を標準化し、信頼性とトークン効率を最適化したい開発者向けです。

主な特徴

• プログレッシブディスクロージャー: 主な指示ファイルを軽量（500行未満）に保ち、必要な場合にのみ外部ファイルを読み込むようにします。
• 詳細な検証ガイド: エージェントが正しいスキルをトリガーするかテストするための具体的なプロンプトと、論理的なギャップを発見するための実行シミュレーションを含みます。
• 決定論的スクリプト: 複雑なパースやボイラープレートコードを処理するための小さなCLIをバンドルすることを推奨します。
• ルーター型スキル: スキルの組み合わせをサポートし、1つのスキルが他のサブスキルへのルーティングとして機能できるようにします。